1.0UX TIMEShttps://uxdaystokyo.com/articles大本 あかねhttps://uxdaystokyo.com/articles/author/akaneohmoto/rich600338<blockquote class="wp-embedded-content" data-secret="PbaNepfrCn"><a href="https://uxdaystokyo.com/articles/glossary/number-bias/">数値偏重バイアス</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://uxdaystokyo.com/articles/glossary/number-bias/embed/#?secret=PbaNepfrCn" width="600" height="338" title="“数値偏重バイアス” — UX TIMES" data-secret="PbaNepfrCn" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script> /*! This file is auto-generated */ !function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document); //# sourceURL=https://uxdaystokyo.com/articles/wp-includes/js/wp-embed.min.js </script> https://uxdaystokyo.com/articles/wp-content/uploads/2025/05/3.png10801080直感的・定性的な情報や背景文脈よりも、数値や統計データが「客観的」「正確」であると誤認しやすくなる認知バイアスである。 数値で表せる目標や指標を「数値＝真実」と過剰に信頼し、それに頼りすぎるバイアスから判断そのものが偏る。定量化バイアスとも呼ばれる。 意思決定において数値化された情報や定量的データを過度に信頼・重視する傾向は、数値が客観的で信頼できると見なされることから生じるが、実際には数値の背後にある前提や測定方法の限界を見落とす可能性がある。 このバイアスは、特にビジネス、政策、科学、UXリサーチなどの分野において、数値化されていない重要なインサイトの見落としや、判断の単純化を招くリスクがある。 例： テストの点数だけで子どもの能力を評価する。 アクセス数だけでコンテンツの価値を判断する。 提唱者 「数値偏重バイアス」という用語自体に特定の提唱者は存在しないが、関連する認知バイアスの研究は、心理学者のアモス・トベルスキー（Amos Tversky）とダニエル・カーネマン（Daniel Kahneman）によって1970年代に始められた。彼らは、ヒューリスティックス（直感的判断）やバイアスが人間の意思決定に与える影響を体系的に研究し、認知バイアスの概念を確立した。 数値偏重バイアスは、特定の一人によって命名・体系化されたものではなく、ダニエル・カーネマン（Daniel Kahneman）やエイモス・トベルスキー（Amos Tversky）らによる「認知バイアス」「ヒューリスティクス」の研究に根ざしている。特に『ファスト＆スロー（Thinking, Fast and Slow）』で紹介された「利用可能性ヒューリスティック」や「代替指標の誤用」が背景にある。 デザインにおける活用方法と具体例 デザインの分野では、数値偏重バイアスを理解し、適切に活用することで、ユーザー体験を向上させることができる。以下に具体的な活用方法と事例を示す。 1. ユーザーインターフェース（UI）デザイン 活用方法: ユーザーが数値情報に過度に依存しないよう、定性的なフィードバックやビジュアル要素を組み合わせる。 具体例: 健康管理アプリにおいて、単なる数値（例：歩数、消費カロリー）だけでなく、達成感を示すバッジや励ましのメッセージを表示することで、ユーザーのモチベーションを維持する。 2. プロダクト評価と意思決定 活用方法: 製品やサービスの評価において、数値データだけでなく、ユーザーの感想や使用状況などの定性的情報を重視する。 具体例: 新製品の開発時に、ユーザーインタビューやフィールドテストを通じて得られたフィードバックを設計に反映させることで、数値では捉えきれないユーザーのニーズを満たす。 3. マーケティングと広告 活用方法: 広告やプロモーションにおいて、数値的な実績だけでなく、ブランドのストーリーや価値観を伝えることで、消費者の共感を得る。 具体例: 製品の販売実績を示すだけでなく、製品開発の背景や開発者の思いを紹介することで、消費者の信頼と興味を引き出す。 「この場面に使えるかな？」というシーンと具体的な事例 シーン: 採用面接における候補者評価 課題: 候補者の評価が、学歴やテストスコアなどの数値的指標に偏り、実際の能力や適性が正しく評価されない。 活用方法: 面接時に、候補者の過去の経験や問題解決能力、チームでの協働経験など、定性的な情報を重視する。 具体例: 行動面接（Behavioral Interview）を導入し、候補者が過去に直面した課題やその解決方法について具体的に尋ねることで、数値では測れない能力を評価する。 シーン: 顧客満足度調査の分析 課題: 顧客満足度を数値スコア（例：NPS）だけで評価し、具体的な改善点が見えにくい。 活用方法: 数値スコアに加えて、自由記述のコメントやインタビューを分析し、顧客の具体的な不満や要望を把握する。 具体例: NPS調査の結果に加えて、顧客からのフィードバックをテキストマイニングで分析し、共通する課題や改善点を特定する。 マクナマラの誤謬との違い 数値偏重バイアスは「数値＝真実」と思い込み、判断そのものが偏る現象。一方、マクナマラの誤謬が「重要だが測定できないものの無視」に焦点がある。 関連用語 ナンセンスな数式効果 グッドハートの法則 マクナマラの誤謬 サリエンス効果 バニティメトリクス